Data Penelitian Pembahasan Hasil Penelitian

43

BAB IV ANALISIS DAN PEMBAHASAN

4.1 Data Penelitian

Metode analisis data yang digunakan dalam penelitian ini adalah metode analisis statistik yang menggunakan persamaan regresi berganda. Analisis data dimulai dengan mengolah data dengan menggunakan microsoft excel, kemudian dilakukan pengujian asumsi klasik dan regresi linier berganda. Pengujian asumsi klasik dan regresi berganda dilakukan dengan menggunakan software SPSS versi 21 for windows. Prosedur ini dimulai dengan memasukkan variabel – variabel penelitian ke program SPSS tersebut dan menghasilkan output – output sesuai metode analisis data yang telah ditentukan. Berdasarkan kriteria yang telah ditetapkan dari 42 perusahaan Perbankan yang terdaftar di Bursa Efek Indonesia BEI diperoleh 8 perusahaan yang memenuhi kriteria tersebut dan kemudian dijadikan sampel dalam penelitian ini yang diamati selama periode 2011 hingga 2014.

4.2 Analisis Penelitian

Data penelitian dikumpulkan dan diolah kemudian akan dianalisis untuk memperoleh jawaban atas permasalahan yang timbul dalam penelitian ini. Metode analisis data yang dilakukan dalam penelitian ini adalah dengan analisis statistic yang menggunakan regresi berganda dengan terlebih dahulu menganalisis deskripsi data. Universitas Sumatera Utara 44

4.2.1 Deskripsi Statistik Penelitian Tabel 4.1

Uji Deskripsi Data Penelitian Descriptive Statistics N Minimu m Maximu m Mean Std. Deviation Komisaris_Independen 32 .38 1.00 .6051 .14290 Ukuran_Perusahaan 32 21.97 34.32 27.1061 4.68074 Umur_Perusahaan 32 22.00 119.00 52.8750 30.89185 Reputasi_Auditor 32 .00 1.00 .8750 .33601 ICD 32 2.20 2.71 2.4509 .12555 Valid N listwise 32 Sumber: Output SPSS, data diolah peneliti, 2016 Tabel diatas menunjukkan bahwa: 1. Variabel Komisaris Independen Variabel Komisaris Independen memiliki sampel sebanyak 32 sampel dengan nilai minimum sebesar 0,38 dan nilai maksimum sebesar 1,00. Rata-rata mean yang diperoleh pada variabel ini 0,6051 dengan standar deviasi sebesar 0,14290. 2. Variabel Ukuran Perusahaan Variabel Ukuran Perusahaan memiliki sampel sebanyak 32 sampel dengan nilai minimum sebesar 21,97 dan nilai maksimum sebesar 34,32. Rata – rata mean yang diperoleh pada variabel ini adalah sebesar 27,1061 dengan standar deviasi sebesar 4,680744. Universitas Sumatera Utara 45 3. Variabel Umur Perusahaan Variabel Umur Perusahaan memiliki sampel sebanyak 32 sampel dengan nilai minimum sebesar 22,00 dan nilai maksimum sebesar 119,00. Rata- rata mean yang diperoleh pada variabel ini adalah 52,8750 dengan standar deviasi sebesar 30,89185. 4. Variabel Reputasi Auditor Variabel Reputasi Auditor memiliki sampel sebanyak 32 sampel dengan nilai minimum sebesar 0,00 dan nilai maksimum sebesar 1,00. Rata-rata mean yang diperoleh pada variabel ini adalah 0,8750 dengan standar deviassi sebesar 0,33601. 5. Variabel ICD Variabel ICD memiliki sampel sebanyak 32 sampel dengan nilai minimum sebesar 2,20 dan nilai maksimum sebesar 2,71. Rata-rata mean yang diperoleh pada variabel ini adalah 2,4509 dengan standar deviassi sebesar 0,12555. 4.2.2 Pengujian Asumsi Klasik 4.2.2.1 Uji Normalitas Uji Normalitas bertujuan untuk menguji apakah dalam model regresi variabel residual memiliki distribusi normal. Pengujian normalitas dalam penelitian ini menggunakan Analisis Statistik Kolmogorov-Smirnov K-S. Pengujian statistik Kolmogorov-Smirnov dilakukan dengan membuat hipotesis : H : Data residual berdistribusi normal H a : Data residual tidak berdistribusi normal Universitas Sumatera Utara 46 Apabila nilai signifikansi 0.05 maka H diterima dan H a di tolak, sedangkan jika nilai signifikansi 0.05 maka H ditolak dan H a di terima. Tabel 4.2 Uji Normalitas One-Sample Kolmogorov-Smirnov Test Unstandardized Residual N 32 Normal Parameters a,b Mean .0000000 Std. Deviation .10180796 Most Extreme Differences Absolute .093 Positive .093 Negative -.076 Kolmogorov-Smirnov Z .527 Asymp. Sig. 2-tailed .944 a. Test distribution is Normal. b. Calculated from data. Sumber: Output SPSS, data diolah peneliti, 2016 Dari hasil analisis Kolmogorov-Smirnov K-S diatas menunjukkan bahwa data ini berdistribusi normal. Hal ini terlihat dari nilai Asymp.Sig 2-tailed sebesar 0,944 lebih besar dari 0,05 yang berarti H diterima dan H a ditolak.

4.2.2.2 Uji Multikolinearitas

Uji multikoloniearitas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel bebas independen. Model regresi yang baik seharusnya tidak terjadi korelasi di antara variabel independen Ghozali, 2013. Dalam penelitian ini cara yang digunakan untuk mendeteksi ada tidaknya Universitas Sumatera Utara 47 multikoloniearitas dengan membandingkan nilai Tolerance value dan Variance Inflation Factor VIF. Nilai cut-off yang umum dipakai untuk menunjukkan adanya multikoloniearitas adalah Tolerance 0.1 sedangkan variance inflation factor VIF 5. Nilai Tolerance dan VIF dalam penelitian ini dapat dilihat di tabel 4.3 berikut. Tabel 4.3 Uji Multikolinearitas Coefficients a Model Unstandardized Coefficients Standar dized Coeffici ents t Sig. Collinearity Statistics B Std. Error Beta Tolera nce VIF Constant 2.673 .174 15.377 .000 Komisaris_In dependen -.431 .150 -.490 -2.871 .008 .836 1.197 Ukuran_Perus ahaan -.002 .006 -.091 -.388 .701 .441 2.269 Umur_Perusa haan .001 .001 .158 .627 .536 .381 2.622 Reputasi_Aud itor .081 .064 .216 1.271 .215 .840 1.190 a. Dependent Variable: ICD Sumber: Output SPSS, data diolah peneliti, 2016 Dari tabel 4.3 diatas dapat disimpulkan bahwa tidak terjadi multikoloniearitas dalam penelitian ini. Karena, nilai tolerance dari setiap variabel independen lebih besar dari 0.1 Tolerance 0.1 dan nilai VIF lebih kecil dari dari 10 VIF 10. Universitas Sumatera Utara 48

4.2.2.3 Uji Autokorelasi

Uji autokorelasi bertujuan menguji apakah dalam model regresi linear ada korelasi antara kesalahan penggangu pada periode t dengan kesalahan penggangu pada periode t-1 sebelumnya Ghozali, 2013. Untuk mendeteksi ada tidaknya autokorelasi dalam penelitian ini digunakan uji Durbin – Watson WS Test dengan membuat hipotesis sebagai berikut : H : Tidak ada autokorelasi H a : Ada autokorelasi Tabel 4.4 Uji Autokorelasi Model Summary b Model R R Square Adjusted R Square Std. Error of the Estimate Durbin- Watson 1 .610 a .373 .247 .10652 1.998 a. Predictors: Constant, LAG_1, Umur_Perusahaan, Reputasi_Auditor, Komisaris_Independen, Ukuran_Perusahaan b. Dependent Variable: ICD Sumber: Output SPSS, data diolah peneliti, 2016 Dari hasil analisis autokorelasi dengan pengujian Durbin Watson diatas, diperoleh nilai d untuk persamaan regresi yang diajukan sebesar 1.998. Model yang tidak memiliki autokorelasi adalah du d 4 – du. Dengan jumlah sampel dalam penelitian ini sebesar 32 perusahaan n=32 dan memiliki 4 variabel bebas K=4 maka du = 1,7323 dan 4 – 1,7323 = 2.2677, sehingga persamaannya menjadi 1.7323 1,998 2.2677. Hal ini menunjukkan H diterima dan H a ditolak. Sehingga dapat disimpulkan tidak ada terjadi autokorelasi dalam penelitian ini. Universitas Sumatera Utara 49

4.2.2.4 Uji Heteroskedastisitas

Uji heteroskedastisitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan varian dari residual suatu pengamatan ke pengamatan yang lain Ghozali,2013. Model regresi yang baik adalah model yang Homoskedastisitas dan bukan Heteroskedastisitas. Menurut Ghozali, deteksi ada atau tidaknya heteroskedstisitas dilakukan dengan melihat ada tidaknya pola tertentu pada grafik scatterplot dengan dasar analisis: 1. Jika ada pola tertentu, seperti titik-titik yang ada membentuk pola tertentu yang teratur bergelombang, melebar kemudian menyempit, maka mengidentifikasi terjadi heteroskedastisitas. 2. Jika tidak ada pola yang jelas serta titik-titik menyebar di atas dan dibawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas. Gambar 4.1 Uji Heteroskedastisitas Universitas Sumatera Utara 50 Dari grafik Scatterplot diatas menunjukkan bahwa garis menyebar diatas dan dibawah angka 0 pada sumbu Y. Hal ini menunjukkan bahwa tidak terjadi heteroskedastisitas dalam model regresi.

4.2.3 Pengujian Hipotesis

Setelah diperoleh kesimpulan bahwa tidak ada pelanggaran dalam pengujian asumsi klasik dan model sudah dapat digunakan untuk melakukan analisis regresi berganda, maka langkah selanjutnya adalah melakukan pengujian hipotesis.

4.2.3.1 Uji Parsial uji t

Uji ini dilakukan untuk menguji signifikansi dari setiap variabel independennya yaitu komite audit, laba perusahaan, kepemilikan manajerial, dan independensi dewan komisaris terhadap harga saham. Adapun kriteria pengambilan keputusan pada uji ini adalah sebagai berikut: 1. Jika prob. 0,05 atau t hitung t tabel maka variabel X secara individu parsial memiliki pengaruh yang signifikan terhadap variabel Y. 2. Jika prob. 0,05 atau t hitung t tabel maka variabel X secara individu parsial tidak memiliki pengaruh terhadap variabel Y. Berdasarkan hasil pengolahaan SPSS Versi 21 diperoleh hasil seperti pada tabel 4.5. Universitas Sumatera Utara 51 Tabel 4.5 Hasil Uji t Coefficients a Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta Constant 2.685 .187 14.38 9 .000 Komisaris_Independen -.427 .158 -.501 - 2.699 .012 Ukuran_Perusahaan -.003 .006 -.118 -.488 .630 Umur_Perusahaan .001 .001 .248 .965 .344 Reputasi_Auditor .059 .063 .164 .932 .360 LAG_1 -.232 .205 -.193 - 1.130 .269 a. Dependent Variable: ICD Sumber: Output SPSS, data diolah peneliti, 2016 Model regresi yang dibentuk dalam penelitian ini ialah : Y = 2,685 – 427X 1 – 003X 2 + 0,001X 3 + 0,059X 4 + e Berdasarkan tabel 4.5 diatas, uji t menunjukkan interpretasi sebagai berikut : H 1 : Komisaris Independen terhadap ICD Dari tabel 4.5 dapat dilihat besarnya t hitung untuk variabel komisaris independen sebesar -2,699 dengan nilai signifikansi 0,012, sedangkan dengan derajat kebebasan df = n-k atau 32-5 dan tingkat signifikansi 0,05 maka nilai t tabel sebesar 2,052. Hasil ini menunjukkan bahwa t hitung t tabel - 2,699 2,052 dan signfikansi penelitian ini juga menunjukkan angka yang lebih kecil Universitas Sumatera Utara 52 dari 0,05 0,012 0,05. Maka , dapat disimpulkan bahwa H 1 diterima artinya variabel komisaris independen berpengaruh terhadap ICD. H 2 : Ukuran Perusahaan berpengaruh terhadap ICD Dari tabel 4.5 dapat dilihat besarnya t hitung untuk variabel ukuran perusahaan sebesar -0,0488 dengan nilai signifikansi 0,630, sedangkan dengan derajat kebebasan df = n-k atau 32-5 dan tingkat signifikansi 0,05 maka nilai t tabel sebesar 2,052. Hasil ini menunjukkan bahwa t hitung t tabel -0,0488 2,052 dan signifikansi penelitian ini juga menunjukkan angka yang lebih besar dari 0,05 0,630 0,05 maka, dapat disimpulkan bahwa H 2 ditolak yang artinya variabel ukuran perusahaan tidak berpengaruh terhadap ICD. H 3 : Umur Perusahaan terhadap ICD Dari tabel 4.5 dapat dilihat besarnya t hitung untuk variabel umur perusahaan sebesar 0,965 dengan nilai signifikansi 0,344, sedangkan dengan derajat kebebasan df = n-k atau 32-5 dan tingkat signifikansi 0,05 maka nilai t tabel sebesar 2,052. Hasil ini menunjukkan bahwa t hitung t tabel 0,965 2,052 dan nilai signifikansinya lebih besar dari 0,05 0,344 0,05 maka dapat disimpulkan bahwa H 3 ditolak yang artinya variabel umur perusahaan tidak berpengaruh terhadap ICD. H 4 : Reputasi Auditor terhadap ICD Dari tabel 4.5 dapat dilihat besarnya t hitung untuk variabel reputasi auditor sebesar 0,932 dan nilai signifiikansi 0,360, sedangkan derajat kebebasan df = Universitas Sumatera Utara 53 n-k atau 32-5 dan tingkat signifikansi 0,05 maka nilai t tabel sebesar 2,052. Hasil ini menunjukkkan bahwa t hitung t tabel 0,932 2,052 dan nilai signifikansinya lebih besar dari 0,05 0,360 0,05 maka dapat disimpulkan bahwa H 4 ditolak yang artinya variabel reputasi auditor tidak berpengaruh terhadap ICD.

4.2.3.2 Uji Simultan Uji F

Uji ini dilakukan untuk melihat pengaruh komite audit, laba perusahaan, kepemilikan manajerial, dan independensi dewan komisaris terhadap harga saham. Berdasarkan pengolahaan data dengan menggunakan SPSS versi 21, maka diperoleh hasil seperti tabel 4.6 berikut. Tabel 4.6 Hasil Uji F ANOVA a Model Sum of Squares df Mean Square F Sig. 1 Regression .168 5 .034 2.969 .031 b Residual .284 25 .011 Total .452 30 a. Dependent Variable: ICD b. Predictors: Constant, LAG_1, Umur_Perusahaan, Reputasi_Auditor, Komisaris_Independen, Ukuran_Perusahaan Sumber: Output SPSS, data diolah peneliti, 2016 Hasil uji ANOVApada tabel 4.6 menunjukkan bahwa f hitung sebesar 2,969 dengan tingkat signifikansi 0,031 , sedangkan f tabel 2,73 dengan signifikansi 0,05. Hasil ini menunjukkan bahwa f hitung f tabel 2,969 0,05 maka dapat disimpulkan Universitas Sumatera Utara 54 bahwa H 5 diterima yang artinya komisaris independen,ukuran perusahaan,umur perusahaan dan reputasi auditor berpengaruh secara simultan terhadap ICD.

4.2.3.3 Uji Koefisiean Determinasi R

2 Nilai koefisien determinasi yang baik adalah nilai koefisien determinasi yang mendekati satu. Artinya, semakin mendekati satu maka variabel – variabel independen memberi hampir seluruh informasi yang dibutuhkan untuk memprediksi variabel dependen. Sebaliknya, semakin kecil nilai koefisien determinasi berarti semakin terbatas informasi yang diberikan dalam menjelaskan variasi variabel dependen. Pengujian koefisien variabel pada penelitian ini dapat dilihat pada tabel 4.7. Tabel 4.7 Uji Koefisien Determinasi Model Summary b Model R R Square Adjusted R Square Std. Error of the Estimate 1 .610 a .373 .247 .10652 a. Predictors: Constant, LAG_1, Umur_Perusahaan, Reputasi_Auditor, Komisaris_Independen, Ukuran_Perusahaan b. Dependent Variable: ICD Sumber: Output SPSS, data diolah peneliti, 2016 Tampilan output SPSS pada tabel 4.7 menunjukkan Adjusted R square sebesar 0,247 atau 24,7 Hal ini berarti 24,7 variasi ICD dapat dijelaskan oleh variasi variabel Komisaris Independen, Umur Perusahaan, Ukuran Perusahaan dan Universitas Sumatera Utara 55 Reputasi Auditor sedangkan sisanya 100 - 24,7 = 75,3 dijelaskan oleh sebab – sebab lain diluar model.

4.3 Pembahasan Hasil Penelitian

Berdasarkan hasil pengujian variabel penelitian secara simultan menunjukkan bahwa komisaris independen, ukuran perusahaan, umur perusahaan dan reputasi auditor berpengaruh signifikan terhadap ICD yang ditunjukkan dengan nilai signifikansi F 0,05 dengan nilai F signifikansi sebesar 0.031 dan ditunjukkan pula dengan nilai f hitung f tabel 2,969 0,05. Hal ini sesuai dengan penelitian yang dilakukan oleh Giani 2013 dengan hasil bahwa ukuran perusahaan, umur perusahaan dan leverage berpengaruh signifikan terhadap ICD meskipun dalan penelitian tersebut tidak dibuat variabel komisaris insependen dan reputtasi auditor. Berdasarkan hasil pengujian variabel penelitian secara parsial menunjukkan bahwa variabel independen yaitu : 1. Komisaris independen berpengaruh signifikan terhadap ICD. Hal ini sesuai dari nilai signifikansi t sebesar 0,012. Nilai ini lebih kecil dari nilai probabilitas sebesar 0,05. Hasil penelitian ini berbeda dengan dengan penelitian sebelumnya yang dilakukan oleh Nugroho 2012 dan Gea 2013 dimana hasil penelitiannya menyatakan bahwa komisaris independen tidak berpengaruh terhadap ICD. 2. Ukuran Perusahaan tidak bepengaruh signifikan terhadap ICD. Hal ini sesuai dari nilai signifikansi t sebesar 0,630. Nilai ini lebih besar dari nilai probabilitas sebesar 0,05. Hasil penelitian ini sesuai dengan hasil Universitas Sumatera Utara 56 penelitian yang dilakukan oleh Wahyu 2009, Shera 2011 dan Maharani 2013 dalam penelitian tersebut dinyatakan bahwa ukuran perusahaan tidak berpengaruh terhadap ICD. Namun berbeda dengan penelitian yang dilakukan oleh Gea 2013 bahwa dalam penelitiannya tersebut dinyatakan bahwa ukuran perusahaan berpengaruh signifakan terhadap ICD. 3. Umur Perusahaan tidak berpengaruh signifikan terhadap ICD. Hal ini sesuai dari nilai signifikansi t sebesar 0,344. Nilai ini lebih besar dari nilai probabilitas sebesar 0,05. Hasil penelitian ini sesuai dengan penelitian yang dilakukan oleh Gea 2013 dalam penelitian tersebut menyatakan bahwa umur perusahaan tidak memiliki pengaruh signifikan terhadap ICD namun berbeda denga penelitian yang dilakukan oleh Nugroho 2012 dan Giani 2013 dalam penelitian tersebut dinyatakan bahwa umur perusahaan berpengaruh signifikan terhadap ICD. 4. Reputasi Auditor tidak berpengaruh signifikan terhadap ICD. Hal ini sesuai dari nilai signifikansi t sebesar 0,360. Nilai ini lebih besar dari nilai probabilitas sebesar 0,05. Hasil penelitian ini sesuai dengan hasil penelitian sebelumnya yang dilakukan oleh Giani 2013 dengan hasil penelitian bahwa reputasi auditor tidak berpengrauh signifikan terhadap ICD dan hal ini berbeda dengan penelitian yang dilakukan oleh Maharai 2013 dan Gea 2013 dengan hasil penelitian menunjukkan bahwa reputasi auditor berpengaruh signifikan terhadap ICD. Universitas Sumatera Utara 57

BAB V KESIMPULAN, KETERBATASAN DAN SARAN

5.1 Kesimpulan

Penelitian ini bertujuan untuk menguji apakah komisaris independen, ukuran perusahaan, umur perusahaan dan reputasi auditor memiliki pengaruh terhadap Intellectual Capital Disclosure ICD pada perusahaan perbankan yang terdaftar di Bursa Efek Indonedia BEI pada tahun 2011-2014. Berdasarkan hasil penelitian yang dibahas pada Bab IV, Kesimpilan dari penelitian ini adalah sebagai berikut : 1. Secara simultan, hasil penelitian ini menunjukkan bahwa komisaris independen, ukuran perusahaan, umur perusahaan dan reputasi auditor memiliki pengaruh signikan terhadap Intellectual Capital Disclosure ICD pada perusahaan perbankan yang terdaftar di Bursa Efek Indonedia BEI pada tahun 2011-2014. Dengan hasil perhitungan nilai F sebesar 2,969 dengan tingkat signifikansi sebesar 0,031. 2. Secara parsial, hasil penelitian ini menunjukkan bahwa komisaris independen berpengaruhh signifikan terhadap Intellectual Capital Disclosure ICD pada perusahaan perbankan yang terdaftar di Bursa Efek Indonedia BEI pada tahun 2011-2014. Sedangkan ukuran perusahaan, umur perusahaan dan reputasi auditor tidak berpengaruh signifikan terhadap Intellectual Capital Disclosure ICD pada Universitas Sumatera Utara